-
公开(公告)号：CN106874881A
公开(公告)日：2017-06-20
申请号：CN201710100030.3
申请日：2017-02-23
Applicant: 电子科技大学
Abstract: 一种多模板时空关联的局部反联合稀疏目标跟踪方法，属于机器视觉和模式识别领域，旨在挖掘不同模板间的时空关联信息，解决复杂场景下的目标跟踪问题，降低计算复杂度。在粒子滤波框架下，采集候选目标及划分局部图像块，用以构造过完备字典；进行目标模板样本集的初始化及更新，并按获取的帧号对各个模板进行标号；建立时序权重矩阵，作为引导稀疏表示的时序先验信息；利用字典对目标模板集中的所有样本进行加权联合稀疏表示，并将目标函数中的联合稀疏约束项替换为含参数高斯函数进行优化问题求解，得到稀疏表示系数矩阵；根据系数矩阵中非零元素分布的行连续性及权值大小，得到候选目标的重要性打分，从而实现稳定的目标跟踪。
-
公开(公告)号：CN107239762A
公开(公告)日：2017-10-10
申请号：CN201710417286.7
申请日：2017-06-06
Applicant: 电子科技大学
CPC classification number: G06K9/00778 , G06K9/6269
Abstract: 本发明公开了一种基于视觉的公交车内乘客人数统计方法，属于可见光图像和视频处理等应用领域。本发明以实时统计上下车人数为框架，结合机器学习等算法实现人数统计。首先利用支持向量机对乘客头部梯度方向直方图特征进行学习得到人头分类器。对输入视频的每帧图像进行降采样以及兴趣区域设置，再使用分类器检测人头目标，并采用匈牙利算法和核相关滤波实现多目标跟踪，最后设置虚拟线完成乘客人流量的自动计数。通过大量样本测试表明，本方法较于传统方法识别率高、计数速度快、且虚警率低。本发明是针对公交车场景下的乘客人数统计技术，为实现实时获得公交车内乘客人数的公交车运营公司提供技术支持和指导，且在商场、电梯等场景也能延伸应用。
-
公开(公告)号：CN106874881B
公开(公告)日：2019-09-24
申请号：CN201710100030.3
申请日：2017-02-23
Applicant: 电子科技大学
Abstract: 一种多模板时空关联的局部反联合稀疏目标跟踪方法，属于机器视觉和模式识别领域，旨在挖掘不同模板间的时空关联信息，解决复杂场景下的目标跟踪问题，降低计算复杂度。在粒子滤波框架下，采集候选目标及划分局部图像块，用以构造过完备字典；进行目标模板样本集的初始化及更新，并按获取的帧号对各个模板进行标号；建立时序权重矩阵，作为引导稀疏表示的时序先验信息；利用字典对目标模板集中的所有样本进行加权联合稀疏表示，并将目标函数中的联合稀疏约束项替换为含参数高斯函数进行优化问题求解，得到稀疏表示系数矩阵；根据系数矩阵中非零元素分布的行连续性及权值大小，得到候选目标的重要性打分，从而实现稳定的目标跟踪。
-
-
Search Results
3
records
(took 0.016 seconds)
